Uji Normalitas Uji Multikolinearitas Uji Heteroskedastisitas Uji Autokorelasi

Berdasarkan table di atas dapat disimpulkan bahwa dalam penelitian ini tidak mengandung masalah heteroskedastisitas, dapat dilihat dari nilai probabilitas Chi Square sebesar 0.1502 lebih dari nilai α= 5.

4. Uji Autokorelasi

Tabel 4.4 Uji LM Test Variabel Dependen ROA Breusch-Godfrey Serial Correlation LM Test: F-statistic 2.430119 Prob. F3,111 0.0690 ObsR-squared 7.334094 Prob. Chi-Square3 0.0620 Berdasarkan table di atas dapat disimpulkan bahwa dalam penelitian ini tidak mengandung masalah heteroskedastisitas, yang dapat dilihat dari nilai probabilitas Chi Square sebesar 0.0620 lebih dari nilai α = 5.

C. Uji Asumsi Klasik Variabel Dependen ROE

1. Uji Normalitas

Gambar 4.2 4 8 12 16 20 -20 -15 -10 -5 5 10 15 20 25 Series: Standardized Residuals Sample 2011Q1 2015Q4 Observations 120 Mean 4.03e-14 Median -1.292234 Maximum 26.02548 Minimum -21.38349 Std. Dev. 10.64473 Skewness 0.347445 Kurtosis 2.783784 Jarque-Bera 2.648111 Probability 0.266054 Dari histogram di atas, terlihat bahwa nilai Jarque Bera sebesar 2.648111 sementara nilai Chi Square sebesar 11.07 yang berarti nilai Jarque Bera lebih kecil dari nilai Chi Square 2.648111 11.07. Selain itu dilihat dari nilai probability sebesar 0.266054 p 5 sehingga dapat disimpulkan bahwa residual memiliki data yang berasal dari populasi normal.

2. Uji Multikolinearitas

Tabel 4.5 CAR NPF FDR BOPO CAR 1.000000 -0.218631 -0.199870 0.073729 NPF -0.218631 1.000000 -0.026348 0.543657 FDR -0.199870 -0.026348 1.000000 0.068740 BOPO 0.073729 0.543657 0.068740 1.000000 Masalah multikolinearitas dapat diketahui dengan melihat tabel residual correlation matrix. Jika didalam tabel tersebut terdapat nilai ρ 0.8, maka masalah multikolinearitas diperkirakan ada dalam penelitian ini. Pada tabel di atas, residual correlation matrix dapat dilihat nilai koefisien korelasinya antara variabel bebas dibawah 0.80 ρ 0.8, dengan demikian data dalam penelitian ini tidak terjadi masalah multikolinearitas.

3. Uji Heteroskedastisitas

Tabel 4.6 Heteroskedasticity Test: White F-statistic 2.258343 Prob. F4,115 0.0671 ObsR-squared 8.739620 Prob. Chi-Square4 0.0679 Scaled explained SS 23.88379 Prob. Chi-Square4 0.0001 Berdasarkan table di atas dapat disimpulkan bahwa dalam penelitian ini tidak mengandung masalah heteroskedastisitas, yang dapat dilihat dari nilai probabilitas Chi Square sebesar 0.0679 lebih dari nilai α = 5.

4. Uji Autokorelasi

Tabel 4.7 Breusch-Godfrey Serial Correlation LM Test: F-statistic 1.688861 Prob. F2,112 0.1894 ObsR-squared 3.483765 Prob. Chi-Square2 0.1752 Berdasarkan table di atas dapat disimpulkan bahwa dalam penelitian ini tidak mengandung masalah heteroskedastisitas, yang dapat dilihat dari nilai probabilitas Chi Square sebesar 0.1752 lebih dari nilai α = 5.

D. Estimasi Model Data Panel

1. Estimasi Model Data Panel Variabel Dependen ROA

a. Hasil Estimasi CEM

Tabel. 4.8 Dependent Variable: ROA Dependent Variable: ROA Method: Panel Least Squares Date: 053016 Time: 19:34 Sample: 2011Q1 2015Q4 Periods included: 20 Cross-sections included: 6 Total panel balanced observations: 120 Variable Coefficient Std. Error t-Statistic Prob. C 32.82409 3.947354 8.315468 0.0000 CAR -0.497080 0.314806 -1.579005 0.1171 NPF -0.381640 0.135956 -2.807097 0.0059 FDR -0.722933 0.674450 -1.071886 0.2860 BOPO -6.254887 0.655435 -9.543105 0.0000